La promesa de Phenotyping digital per a Diabets i Salut Mental

Els Diabets són una condició crònica que demana a l' autogestió de la sang: la monitorització de la sang, ajustant la insulina, els àpats de planificació i mantenir- se actius físicament. Aquesta desagradable rutina no només es farà un risc de complicacions. També es tracta de la ment. La depressió i l' ansietat són dues a tres vegades més comuns en la diabetis que en la població general, i aquests problemes de salut mental poden empitjorar el control de la vida, reduir la qualitat de les complicacions. La detecció automàtica és crític, però sovint els mètodes tradicionals de projecció dels primers signes. Preventant el comportament de la informació i la informació fisiològica dels dispositius digitals, i des de les dades, poden detectar subtils que poden detectar problemes de salut emergents. Això pot detectar problemes de la salut, i explorar la diabetis mental, i la detecció de les tecnologies de la salut. Això pot ser una manera més evident, i la detecció de les dificultats per tal de la salut.

Què és el Phenoyping digital?

El phetip digital es refereix a la col·lecció de dades passiva dels telèfons intel·ligents, portables, i altres dispositius connectats per quantificar el comportament d'un individu, la cognició i l'humor. El concepte va ser formal per psiquiatra Dr. John Toruós i col· legues, que el van definir com a "la mesuració de moment per mitjà del fenotip individual en què s'asseu utilitzant dades dels dispositius digitals." En la pràctica, això significa que l' afiniment ja hi ha sensors en la majoria dels discs intel· ligents, gyscellers, grcopos, pantalla GPS, i el micròfons amb aquest ritme de seguiment, la pell i l' activitat física.

El poder de la phenotificació digital és en la seva capacitat per capturar dades en arranjaments naturalistes, sense necessitat de l' usuari d'informar els símptomes activament. Això redueix la ponderació i proporciona una imatge longitudinal de la vida diària. Per a la gent amb diabetis, aquestes dades es poden creuar amb nivells de sang, dosis de la insulina i els registres dietàries a identificar patrons d' enllaç a les fluctuacions d' estats, energia, son i el compromís social.

Flux de dades de clau en el Phenotyping digital

  • [[FLT: 0] Activitat Phisical i dorm [[[FLT: 1] Accelometria i dades GPS revelen canvis en mobilitat, temps sendentària, i extraculació de son, que són els primers indicadors dels episodis depressius.
  • [[FLT: 0] El comportament de Solicional [[FLT: 1]] 2001- 2009 crida registres, freqüència de missatge i la proximitat del Bluetooth detecta la retirada social o la comunicació reduïda, comuna en depressió i ansietat.
  • [[FLT: 0] Viocice i discurs [[FLT: 1]] Les gravacions Micròfons poden analitzar enregistraments vocals prosodi, taxa de parla i l'elecció de paraula per a detectar disturbis d'humor.
  • [[FLT: 0] Phifil signaments [[[FLT:]] rwxa de taxa cor (HRV), activitat elèctrodea i temperatura de la pell de les portables reflecteixen l'auosa sistema nerviós, vinculat a l'estrès i l'ansietat.
  • [[FLT: 0] Smartphone patrons d' ús [[[FLT:]]] About Velocitat de mecanografia, temps de pantalla i ús d' aplicació pot indicar velocitat cognitiva o psicomotor agitació.

La connexió de salut Diabenes 2001- 2003: una relació bidireccional

La relació entre la diabetis i la salut mental no és una via. La pobra salut mental pot conduir a la diabetis suboptomal auto-catemal. L'estrès fisiva de la insulina enlairava de la incubabilitat física que pot afectar directament a l' estat d' ànim i la funció cognitiva. La hipercrònica està associada amb complicacions com la neurotia, la malaltia i la cardiodòlica. A l' altra banda, l'estrès fisiològica de la hipergèmia i la hipotencia pot afectar directament a la seva funció. La hiperrònica hipernomia està associada a la infèmia i l' estrès xipa, tant de la depressió.

Els problemes de salut mentals sovint es despleguen. Les eines estàndard de projecció com el PHQ- 9 o GAD7 depenen d' autoreport i normalment es controlen només durant les visites clínics. Els pacients poden tenir símptomes deport degut a l' estigma o la manca de coneixement. Fins i tot quan es fa la projecció, els intervals entre les a mida poden ser mesos o anys de major durada per a agafar eludició primerenca. El phet d' això ofereix una manera de fer pont amb dades continuades, objectivas.

Modificadors actuals a detecció primerenca

  • [[FLT: 0] [[FLT: 1] size de la diabetis de l'atenció es produeix cada tres a sis mesos, amb la projecció de salut mental sovint s' omet completament.
  • [[FLT: 0] Self-report limitacions [[[FLT: 1]] Reca tots els biaixs, biaix social desibilitat, i manca de resultats emocionals esbiaixats.
  • [[FLT: 0] Hi ha un llindar de mida- tots els llindars [[[FLT:]] [[1]] [depenament estàndard per a escales de depressió no pot ser apropiat per als individus amb diabetis, on fatiga, transs, el dormir i els canvis de gana poden sobreposar-se amb símptomes de malalties.
  • [FLT: 0] Strigma i subdignasi [[[FLT: 1] Els pacients poden no sentir-se còmodes discutint sobre la salut mental, i els clíniques poden no perdre temps o formació per investigar eficaçment.

Com funcionen les Phenobyping digitals en l' exercici

La típica canonada digital de l' extracció [FLT] implica tres fases: [[[FLT: 0] col· lecció [[[[FLT: 1]], [[[[FLT:]]] extracció [[FLT: 3]], i [[[[[FLT: 4] model d' aprenentatge eFLT: [[[[[[FLT: 5]]. Una aplicació intel· ligent (e. ex., MOMALP, Beiwe) recull automàticament les dades de sensors en segon pla. Els usuaris també poden completar una breu avaluació ecològica completa de moment (EM) sobre els estudis d' ànim d' ànim d' ànims, l' ànim d' ordres o el dolor de les hores del dia. Els fluxos de sensors es processen en les característiques del procés per exemple: el seu nivell de desplaçament, el cor, la localització de les models d' entropia i la conversa.

Els algoritmes d'aprenentatge de màquines, especialment els models d' aprenentatge digitals de mapes com els boscos aleatoris o de degradats, estan entrenats en com a conjunts de dades etiquetats on la veritat és diagnòstic clínic o la severitat del símptoma de les escales validades. Aquests models aprenen a traçar característiques digitals als estats de la salut mental. Més endavant usa profundament els models d' aprenentatge per capturar els patrons temporal, una xarxa neurològics pot detectar que una reducció gradual en les dues setmanes, combinada amb una major quantitat de mobilitat a la home- home, és predir d' un episodi depressiu.

Per a la diabetis, els fluxos de dades es poden enriquir amb les lectures glucosaes de monitors continua glucosa (CEGM). La recerca de la [[FLT: 0]] Animia de Califòrnia, San Francisco[FLT: 1] ha demostrat que les dades de CGM combinades amb l' actegrafia pot predir els símptomes de dia següent amb una precisió de 80% en persones amb tipus 2. De manera similar, una [[FLT2] stitudedia en Dia Bees[ FLT:] han demostrat que les dades passitives (ús de telèfon, poden distingir entre adults elevats i baixos i simpèdicats en diabetis amb un tipus 1.

Aplicacions i notificacions reals del món

L' objectiu final és crear un sistema d'avís primerenc que alerta tant el pacient com el seu equip d'atenció quan es detecta un risc de salut mental significatiu. Per exemple, una aplicació pacient pot mostrar una notificació: "La vostra qualitat de dormir ha rebutjat durant les últimes tres nits, i la vostra activitat de dia és menor que el teu punt de referència. Podeu tenir signes d' inici de depressió. Us agradaria comprovar amb la diabetis del coordinador de la diabetis?" L' equip rep un tauler que mostra tendències de nivell de població, permetent- vos la proactives.

Alguns programes pilots ja estan provant aquesta aproximació. El projecte [[FLT: 0] dihabtesa UK Mental Salut System) demostra que les dades poden predir la seva recaigució en múltiples escotosis i major descomprimibles, amb implicacions de la diabetis.

"Rents potencials per a persones amb Diabets"

Detecció més a principis, més important

Per capturar canvis subtils de comportament o setmanes abans de convertir-se en una clínica clínica, el phenoping digital pot habilitar les intervencions preventives. Per exemple, si es detecta un patró de la retirada social i reduir l' activitat física, un clínica pot iniciar la teràpia o ajustar la diabetis abans que la depressió total impera d' auto-care.

Plans de tractament personals

Les dades digitals de pripulant poden ajudar a manipular les interaccions de forma regular a l' individu. Un pacient amb la depressió està vinculat a la por de la hipotecia, podria beneficiar- se d' un enfocament diferent que una de les depressió de diabetis. La resposta de l' objectiu es pot seguir amb objectiu el son, incrementant la mobilitat HRV, més gran que el Europol permet la inclinació de la teràpia ràpida.

Auto- Manatge milloratName

La salut Mental i la diabetis estan intertwinades. Quan la depressió es tracta d'hora, els pacients són més probables per a mantenir la medicació, monitoritzar regularment la glufacsi, i prendre decisions saludables de menjar. Una [FLT: 0] l'anàlisi de la psiquia [[FLT: 1] s' han trobat que els models de col·laboració que inclouen suport mèdic mental millorada de control glycèmica (Hb1cdeducció de 0.0). El phetuting podria donar suport a aquest temps i escalable.

Urtiització revertida

Evitar les crisis de salut mental i la diabetis redueixen les visites d'emergència, les hospitalitzacions i les discapacitat a llarg termini. El cost pot compensar la inversió en tecnologia, tot i que encara són necessàries els anàlisis socioeconòmics de la salut rigorosa.

Reptes i Consideracions erocals

Privades de dades i seguretat

La phetipització digital genera una història molt personal de dades, contactes socials, senyals fisiològics, fins i tot enregistraments de veu. Aquesta informació és molt sensible i pot ser mal úsada si s' ha interromput o venuda. Les dades de Salut es protegeixen sota HHA en els Estats Units i el PIBR a Europa, però moltes aplicacions digitals de prheyping no estan classificades com a dispositius mèdics i poden tenir més febles. El consentiment transparent, les dades de la anonimat, i el processament local (en el processament de la gamma) són essencials. Els pacients han de tenir control sobre el que es comparteixen les dades, i per quant de temps.

A algorítmica Bias

Els models d'aprenentatge de màquines només estan tan bons com les dades que estan entrenats. Si les dades d' entrenament són predominantment de blancs, ingressos més alts o de poblacions més joves, els algoritmes poden fer mal ús per a adults antics, minories ètniques o aquelles amb menys alfabetització digital. Això podria exergar- se de les desparitats de salut. Els investigadors han de reclutar activament participants i validar models a través de subgrups. [FLT: 0AN: 2021 en l' estudi digital npjation[FLT:] destacat que la precisió digital per a la depressió de manera molt variada en grups racial, sota la necessitat de tenir una necessitat de tenir una relació amb el model.

Divideixció d' accés i digital

La propietat intel· ligent i portable és gairebé universal en països d'ingressos digitals, però els buits es queden entre adults més grans, els que tenen ingressos baixos i determinats poblacions rurals. La gent amb diabetis que ja està sotaserveada sovint és la que podria beneficiar- se de la implementació digital de la salut mental. Les Iniciativas per proporcionar dispositius subsiditzats, simplificades aplicacions i ofereixen alternatives baixes (p. ex., SMS basats en control bàsic) són necessàries per assegurar- se d' aquesta manera.

Integració clinica i flux de treball

Per a que la phenominació digital sigui útil, els clíniques necessiten ser útils, els taulers i suport de decisions, no fluxos de dades en brut. Les ordres han de ser accionsables; els falsos positius poden causar recursos d' alarma i residus. Els equips d' entrenament per a interpretar biomarcadors digitals i integrar- los en la gestió de la diabetis són un repte d' implementació no proporcional. Els models de reimbitament també necessiten evolucionar funcionant 255. Actualment, la majoria de extinció no paguen per a la salut digital fora de les proves clíniques.

El pacient Burden i l'acceptabilitat

Mentre que la col·lecció de dades passives és invisible, alguns pacients poden trobar eines constant monitoritzant o ansietat. Es poden preocupar per ser jutjats o perdre autonomia. Les avenacions de moment geogràfic poden ser una càrrega massa freqüents si és massa freqüent. Co-signing amb pacients i oferir opcions per als fluxos de dades específiques poden millorar l' acceptació.

Futures DirectionsCity name (optional, probably does not need a translation)

Integració amb el monitor continu del Glucosa

La combinació de dades CGM i els models d' aprenentatge digitals és particularment prometedor. Glaucosa varpeaks i trruïbles, temps en rang de kcmondes és un factor estressant. Els models d' aprenentatge que fan tant de comportament (desl' activitat, la interacció social) i les dades glicèmica poden causar i efecte: una causa poc irritabilitat de la nit tard i pobre, o el pobre son porta a hipergèmia i la baixa d' ànim de respondre tals preguntes que permeten comentaris personalitzades de veritat.

Models d'intel·ligència i Gran

Avançar en un procés de llenguatge natural permet l' anàlisi de llenguatge escrit o parlada en temps real. Les entrades de text d' un pacient o diari de veu poden revelar distorsiós cognitius ("No puc controlar el meu sucre de sang no importa el que faci") que la diabetis o la depressió de senyals. Combinació amb dades de sensors, aquests models no podrien predir només la presència d' un problema, sinó la seva manifestació cognitiva específica, guiant la teràpia (CT contra la medicació. contra canvi de vida de vida).

Intervencions tancades d' autooop

La visió última és un sistema de bloqueig tancat on es produeix una detecció digital d' ensploat per a l' enspenament d' una intervenció automatitzada, un recordatori per contactar amb un coordinador d'atenció, o fins i tot un petit mòdul de teràpia cognitiu que es va fer servir per l'app. Els judicis Clicals estan provant aquests sistemes, però els desastres de seguretat són essencials per evitar danys no automatitzats.

Long-Term Longitudinal Estudis

La majoria de les investigacions digitals per a l' estudi ha participat en períodes d' estudi curts (les setmanes als mesos). Els estudis Longitudils que estan rastrejant pacients durant anys es necessiten per entendre com evolucionaven els biomarcadors digitals amb els canvis de progrés de la malaltia, el tractament i els esdeveniments de la vida. Aquests estudis també poden revelar si la detecció primerenca mitjançant la phetància realment és millorar els resultats clínics per a l' adopció de la clau.

Entorns de treball i rutes de governació

El desplegament ètic de la població digital de la diabetis requereix un bon govern. El [FLT: 0] L' informe global de la WWO sobre Salut Digital [[FLT: 1] fa èmfasi els principis de capital, transparència i responsabilitat. Les eines digitals de prropització haurien de revisar cossos com el programari FDA com a dispositiu mèdic (SDM). Es fa una etiqueta de gravació, la validació d' or contra mesures clíniques, i la vigilància post-mercat són necessàries.

Els pacients han de ser socis actius, no subjectes passius. La presa de decisions compartides sobre quines dades s'han de recollir, qui ho veu, i com s'hauria de fer servir de ser estàndard. Models de propietat de dades que donen als pacients control com a magatzems de dades personals o blocar el consentiment de cadenat Eurospirareatic però encara no s'estenen.

Conclusió

La phetipització digital representa un canvi de paradigma en com detectem i adreçam temes de salut mental en persones amb diabetis. En convertir els dispositius de dia a dia en eines de monitorització continua, ofereix el potencial d' captar depressió, ansietat i diabetis setmanes d' angoixacions abans d' altres mesos abans d' impirair el control i el control de la salut mental. Els beneficis són clars: intervenció anterior, més personalitzada, millora la qualitat de tractament de vida i possiblement reduir els costos de salut. Malgrat això, encara és un desafiament significatiu per la privacitat, la integració en els flux de treball clínics. Multidisciplinar la col·laboració entre els abòròlegs, els científics, l'ètica, els pacients i són essencials per a adonar- se d' aquesta tecnologia. Amb compte, la implementació digital i la pràctica, pot esdevenir un racó de la pressió en què es pot convertir en una situació de la ment i erosla que es pot convertir en una situació tan sols es pot convertir en un esforç de la ment erosiguila.